Nokogiri：解析html表中没有打开标签的行

Question

我需要解析具有以下格式的html表：

require 'nokogiri'

html_table = '<table>
    <tbody>
        <tr>
            <td>Some text in the first row!</td>
            <td>More text in the first row!</td>
        </tr>
        <td>Some text in the second row!</td>
        <td>More text in the second row!</td> </tr>
        <td>Some text in the third row!</td>
        <td>More text in the third row!</td>  </tr>
    </tbody>
</table>'

如您所见，最后两行没有打开的<tr>标记。 当我尝试使用puts Nokogiri::HTML(html_table).css('table tr')获取所有三行时，将清除代码，最后两行成为td节点：

<tr>
    <td>Some text in the first row!</td>
    <td>More text in the first row!</td>
</tr>

当没有结束标记</tr> ，我已经在网络上找到了一些解决此问题的方法，但反之则没有。 是否有使用Nokogiri修复此问题的简单方法？

Answer 1

我认为这是由于Nokogiri解析错误。 一种可能的解决方案是使用Nokogumbo gem，它可以扩展nokogiri的解析能力。 通过以下方式安装：

gem install nokogumbo

比起使用nokogiri，您可以使用：

require 'nokogumbo'# nokogumbo will also load Nokogiri, so no need to put: require 'nokogiri'
Nokogiri::HTML5(source_code).css('table tr').each do |row|
  p row
end

请注意，您必须使用网站上的源代码，该源代码正确地到处都有标签。 您可以按以下方式使用网站的源代码，但当然，网站页面上只有一个表是必需的。

require 'open-uri'
source_code = open('http://www.url_to_website_I_want_to_parse.com')

确保在课程开始时声明变量source_code 。